钻井是勘探与开采石油天然气资源的一个重要环节,也是勘探和开发石油天然气的重要手段。不同的地质环境可能需要不同的钻井液完井液,本论文所谓钻井液体系是指钻井液的基础成分或主要的特殊功能相似且形成系列,其中容纳有个性的差异,故在钻井液完井液类别中包括许多种体系。在工程实践中,由于油气层数据的复杂性、模糊性和非线性,单纯靠人工选择钻井液体系存在效率低、可靠性误差大、主观影响大等问题。为克服这些问题,本论文在基于机器学习的前提下对钻井液完井液体系选择展开研究,本论文主要工作包括:首先,分析对钻井液完井液体系选择影响的地质参数和其之间的非线性关系,结合选择体系的影响因素和选择准则,确定影响体系选择的特征参数,整理出训练数据集和优选所需的特征参数。其次,对训练数据集进行降维处理,在此分别采用主成分分析法、奇异值分解法、灰色关联度分析法。最后,将上述方法处理后的数据集分别采用BP神经网络进行学习训练,得出其各自的优选结果,并将这三种优选结果与未经处理的数据集选择的体系结果进行比较分析,从而给出体系优选的备选方案。本论文的创新点在于将机器学习应用于钻井液完井液的体系优选中,实现更全面、更准确的钻井液完井液体系选择,这种体系优选相比以往人工进行钻井液完井液的体系选择更加便捷,同时也减少了石油工程师选择钻井液繁杂的工作量,在技术上是一次新的尝试,同时也使得历史数据资料可以有效利用。本次研究的难点在于如何借用机器学习技术构建一个组合优选模型,以达到钻井液体系优选的目的。